Понастоящем пациентите с нарушения на хиперкинетичното движение се класифицират въз основа на експертно мнение. В някои случаи се използва електромиография (EMG). Следователно класификацията се основава главно на клинична оценка. Оценката на вида на хиперкинетичното разстройство на движението е сложна, тъй като има малки нюанси между заболяванията и пациентите могат да имат множество нарушения. В допълнение, човек прави своето наблюдение от холит начин и затова винаги разглежда съгласуваността на това, което се наблюдава. За правилното класифициране и диагностициране на нарушения на хиперкинетичните движения обективното наблюдение на (части от) тялото е от съществено значение. Това се отнася до честотата на движенията, например, на горната част на ръката, ъглите, под които това се случва, и (в)случайни. Резултатът от всичко това е, че правилната класификация и диагностика на нарушения на движението в момента има Kappa стойност, мярка, използвана за отразяване на споразумението между специалистите, от средно 0,5 до 0,6. Това означава, че шансовете са относително високи, че се прави грешна диагноза, започва погрешно лечение и следователно ефективността на холандските грижи не е оптимална. ZiuZ и UMCG искат да проучат в рамките на този проект как изкуственият интелект може да допринесе за подобряване на класификацията и диагностиката с цел да се увеличи до поне 0,8 и по този начин да се намали броят на „неправилното“ лечение. Следователно целта на този проект е да се разработи първо доказателство за принцип на инструмент за компютърна диагностика (CAD инструмент), който има за цел да подобри диагностиката, лечението и оценката на естествения ход на хиперкинетичните нарушения на движението и използването на множество източници на данни (видео/сензори/медицинска информация). След това резултатите от проекта биха могли да бъдат приложени например към изследванията на Parkinson, които имат интерфейси с тремор.